基于 ImageNet 预训练卷积神经网络与数据增强的胸片图像分类计算机辅助诊断系统研究与开发
计算机视觉与模式识别
2018-06-05 v1
摘要
卷积神经网络（ConvNets）是当前图像识别与分类的标准方法。在本工作中，我们开发了一个使用 ConvNets 的计算机辅助诊断（CAD）系统，将胸片 X 射线图像数据集分为两类：正常与肺炎。该研究使用 PyTorch 平台上可用的 ConvNets 模型：AlexNet、SqueezeNet、ResNet 和 Inception。我们最初使用三种训练方式：使用随机初始化从头完整训练、使用预训练 ImageNet 模型仅训练适配我们问题的最后一层（迁移学习），以及修改预训练模型并训练其所有分类层（微调）。使用的最后一种训练策略是带有数据增强技术，可避免 ConvNets 上的过拟合问题，在本研究中取得了更好的结果。
引用
@article{arxiv.1806.00839,
title = {Study and development of a Computer-Aided Diagnosis system for classification of chest x-ray images using convolutional neural networks pre-trained for ImageNet and data augmentation},
author = {Vinicius Pavanelli Vianna},
journal= {arXiv preprint arXiv:1806.00839},
year = {2018}
}